제약 인식형 잠재 인코딩 플러그인 SCONE

초록

SCONE은 학습 기반 압축 모델의 잠재 공간을 바로 DNA 염기로 변환하는 플러그인이다. 제한된 GC 비율과 동핵(polymer) 길이를 실시간으로 만족하도록 설계된 유한 상태 기계(FSM)와 쿼터너리 산술 코딩을 결합해, 기존의 이진‑쿼터너리 변환 단계에서 발생하던 효율 손실과 사후 보정 비용을 없앤다. 실험 결과 1.86 bpn의 압축 효율과 99.7 % 이상의 제약 만족률을 2 % 미만의 지연 증가로 달성한다.

상세 분석

SCONE은 현대 학습 기반 압축 파이프라인에서 가장 비용이 큰 “엔트로피 병목”을 DNA 친화적인 형태로 교체한다는 점에서 혁신적이다. 기존 방식은 잠재 변수 y 를 양자화한 뒤 이진 스트림으로 변환하고, 마지막 단계에서 00→A, 01→T, 10→G, 11→C와 같은 고정 매핑을 적용한다. 이 과정은 학습된 가우시안 조건부 모델이 제공하는 확률 분포를 무시하고, 비트‑베이스 코딩 효율을 DNA‑베이스 제약에 맞추기 위해 별도의 오류 정정·중복 삽입 레이어를 필요로 한다. SCONE은 이러한 비효율을 두 가지 핵심 메커니즘으로 해소한다. 첫째, 잠재 변수의 확률 분포 p 를 직접 4‑ary(쿼터너리) 형태로 재구성하고, 산술 코딩 구간